[發(fā)明專利]基于自適應(yīng)雙倍閾值的RANSAC數(shù)字濾波方法

無效

• 申請?zhí)枺?/td>: 201310239407.5
• 申請日: 2013-06-17
• 公開（公告）號: CN103310455A
• 公開（公告）日: 2013-09-18
• 發(fā)明（設(shè)計）人: 張旭蘋;張益昕;涂郭結(jié);王順;黃金源
• 申請（專利權(quán)）人: 南京發(fā)艾博光電科技有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00
• 代理公司: 南京經(jīng)緯專利商標代理有限公司 32200
• 代理人: 朱小兵

技術(shù)領(lǐng)域

本發(fā)明涉及一種基于自適應(yīng)雙倍閾值的RANSAC數(shù)字濾波方法，尤其涉及一種用于數(shù)字信號處理和數(shù)字圖像處理的方法，可以應(yīng)用在數(shù)字信號處理和數(shù)字圖像處理領(lǐng)域。

背景技術(shù)

RANSAC（隨機抽樣一致性算法）是一種計算機視覺領(lǐng)域內(nèi)應(yīng)用較廣的魯棒性估計算法。其主要思想是利用隨機抽樣的樣本具有與數(shù)據(jù)總體擁有一致的域內(nèi)點和域外點的分布概率，來估算總體的特征模型，隨著抽樣的樣本達到一定組數(shù)，就可以使得到最優(yōu)模型的概率達到一個期望值。以圖1為例，信號本身是一條水平線，由于高斯噪聲的干擾使其以高斯形式分布在一條較密的主干線上，被稱之為主信號域，主信號域?qū)挾纫阎４送猓渖舷逻€有分布較廣、密度較稀的加性噪聲，這時使用RANSAC算法的流程如圖2所示，將域內(nèi)點（域內(nèi)點指的是位于主信號域內(nèi)的數(shù)據(jù)點，是用戶希望提取的數(shù)據(jù)點）的距離閾值L_m（這里的距離閾值L_m指的是用戶設(shè)定的一個范圍，該范圍以主信號的基本模型為參照，凡位于該范圍以內(nèi)的數(shù)據(jù)點被認為是域內(nèi)點）設(shè)置為主信號域?qū)挼囊话耄罱K可以以較大概率抽取到一組全部落在主信號域的樣本，這樣就可以進行特征提取或者濾波。對這組樣本進行擬合或者相關(guān)處理能夠得到一個基本模型，當(dāng)這個模型根據(jù)已設(shè)定距離閾值計算并獲得域內(nèi)點個數(shù)最多時被稱為最優(yōu)模型。隨機抽樣一致性中抽樣組數(shù)M與單組樣本數(shù)N的關(guān)系如式①所示：

M=log(1-P)/log(1-(1-ε)^N)??????????①

式中：P——至少有一組樣本全部落在主信號域的概率；

?????ε——主信號域外點占總信號的比例。

通過式①可知，至少需要知道ε，才能知道至少要抽取M組樣本數(shù)為N的數(shù)據(jù)才能達到概率P使得至少有一組樣本全部落在主信號域內(nèi)。在知道主信號域?qū)挾鹊那闆r下，傳統(tǒng)的RANSAC法為了設(shè)定最優(yōu)模型所要獲得的域內(nèi)點個數(shù)的閾值N_m（N_m是根據(jù)ε和信號數(shù)據(jù)總數(shù)N_t設(shè)定的一個經(jīng)驗值，用以表征用戶認為主信號域應(yīng)有的域內(nèi)點個數(shù)，一般地，N_m可設(shè)定的范圍為0<N_m≤(1-ε)N_t），就必須要知道ε。盡管如此，傳統(tǒng)的RANSAC法仍然表現(xiàn)出精度不夠高、穩(wěn)定性不佳、不能自適應(yīng)及耗時長的問題。

如圖2所示，傳統(tǒng)RANSAC算法流程為：

1）對數(shù)字信號或數(shù)字圖像進行采集，并確定數(shù)字信號或數(shù)字圖像的主信號的基本模型；

2）設(shè)定迭代次數(shù)的上限閾值N_iteration，設(shè)定域內(nèi)點的距離閾值L_m為B_m；

3）將域內(nèi)點個數(shù)N_o初始值設(shè)為0，迭代次數(shù)N_c設(shè)為1；

4）初始期望值N_h設(shè)為N_m；

5）隨機抽取M組樣本數(shù)為N的樣本，將i的初始值設(shè)為1；

6）利用擬合等算法獲取第i組樣本的具體模型；

7）根據(jù)設(shè)定的距離閾值L_m，統(tǒng)計總信號中與該模型垂直距離≤L_m的數(shù)據(jù)點個數(shù)，即為具體模型的域內(nèi)點個數(shù)N_i；

8）當(dāng)N_i>N_o時，將當(dāng)前模型設(shè)為最優(yōu)模型W_m，并設(shè)N_o=N_i，否則最優(yōu)模型不變；

9）若i=N，則進入下一步驟，否則i=i+1，并返回步驟4）。

10）若N_o<N_m，當(dāng)?shù)螖?shù)未超過設(shè)定值N_iteration時，返回步驟3），若N_o≥N_m或迭代次數(shù)超過設(shè)定值N_iteration時，結(jié)束軟件流程。

11）利用最終獲得的全部域內(nèi)點進行擬合，并輸出最終模型即濾波結(jié)果。